ディープラーニング(Deep Learning – 深層学習)とは?

Academic

こんにちは、Block GeniusのHiroです。この記事ではディープラーニングとは何かについて説明していこうと思います。

ディープラーニング(深層学習)の定義

機械学習の手法の一つで、ニューラルネットワークを多層に重ねることで、コンピューターが自動的にデータの特徴量を段階的に学習していく技術です。ニューラルネットワークは入力層、隠れ層、出力層から成り、2つ以上の隠れ層をもつものが深層学習と呼ばれています。特徴量の抽出方法を人の手で指示する機械学習とは異なり、深層学習ではプログラムされたコンピューターが自動的に注目すべき特徴量を抽出します。それぞれにウェイト(重み)を掛けて、数値が定める値以上であれば1を返し、それ以下であれば0以上1未満の数値を出力する仕組みになっています。

実装には

ディープラーニングは、膨大なデータ量と高度な処理能力をもつコンピューターが必要になります。インターネットの普及やIoT(Internet of Things)の時代到来によって、大量のデータ(ビッグデータ)を集めることができるようになったので、学習において大量のデータが必要になるディープラーニングが可能になりました。

ディープラーニングの具体例

畳み込みニューラルネットワーク(Convolutional Neural Network)

画像認識に主に用いられる技術で、畳み込み層とプーリング層から成ります。畳み込み層では、一つ前の層から特徴量を抽出し、その特徴抽出の重みを学習します。次のプーリング層においては、重みの数値が最も大きかったもののみを抽出し情報量を減らします。最大値のみを抽出することで、画像の位置のずれによる影響を吸収することができます。

再帰型ニューラルネットワーク、RNN(Recurrent Neural Network)

RNNは順序が重要なデータ、例えば文書や音声データ、時間的推移を含む時系列データなどの分析に用いられます。文書の場合、一つ一つの単語に対して多層パーセプトロンを適用して、最も重みの和が大きかった単語が次にくると予測(出力)します。しかし、文書が長くなればなるほど、最初の方の単語と後半に来る単語との相関性が薄まり、正確に予測することが難しくなります。そのため、長時間にわたるデータの分析には不向きであると言われています。

LSTM(Long Short-term Memory)

LSTMはRNNの長時間のデータに対する欠点を解消する手法で、大事な情報のみを記憶させ、その他の情報を忘れさせることで、後の予測に重要な情報のみを取捨選択させることができます。

まとめ

この記事ではディープラーニングとは何かということについて、その学習の手法や種類などについて、初歩的な説明となりましたが書かせて頂きました。最後まで一読して頂きありがとうございます。

タイトルとURLをコピーしました